python dataframe数据类型_python-Pandas DataFrame 1 2 3和NaN值的默认数据类型

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),

'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)

print df ['one']

输出：

a 1.0

b 2.0

c 3.0

d NaN

Name: one, dtype: float64

该值设置为float

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),

'two' : pd.Series([1, 2, 3], index=['a', 'b', 'c'])}

df = pd.DataFrame(d)

print df ['one']

输出：

a 1

b 2

c 3

Name: one, dtype: int64

但是现在该值设置为int64.

区别是第一个,值中包含NaN.

在上述示例中,设置数据类型背后的规则是什么？

谢谢！

解决方法:

pandas继承了numpy的许多错误决定.

参考：

如果查看type(df.iloc [3,0]),则可以看到nan的类型为numpy.float64,这迫使整个列的类型强制转换为浮点型.基本上,Pandas处理可空整数是垃圾,您只需要将它们作为浮点数处理即可.如果不关心性能,也可以使用对象类型来保存整数.

标签：pandas,dataframe,python,pandas,numpy

如果觉得《python dataframe数据类型_python-Pandas DataFrame 1 2 3和NaN值的默认数据类型》对你有帮助，请点赞、收藏，并留下你的观点哦！